Question

我正在做一些有关网站订户活动的研究。具体来说，我希望看到2018年每个订阅者每天的平均点击次数。不幸的是，提供给我的数据表并未涵盖订阅者完全不参与该网站的天数，但我需要将零-天。

如果我以类似以下内容开始查询：

SELECT SubscriberID, date_trunc('Day', Date_of_Activity), count(*) as Clicks 
FROM WSD.Clicks 
WHERE Date_Of_Activity between date('2018-01-01') and date('2019-01-01') 
GROUP BY 1,2

...如果每个订阅者在该日期确认点击，则仅在该日历日有一个条目；否则，源数据中将不会生成任何行。这会导致平均通胀，因为仅在潜艇活跃时才考虑在内。现在，一年中有一天点击2次使用该网站的用户等于一年中有300天每天两次单击该网站的用户。在他们实际上没有记录的活动的情况下，如何使查询为每个订户声明一个日历日并将值赋为“ 0”？

作为参考，该表仅包含几列：

SubscriberID（字符串），Date_of_Activity（时间戳），Type_of_Activity （字符串）

我正在雅典娜（AWS）中查询数据。

Answer 1

您可以加入日期列表。在Postgres中，使用generate_series()很容易做到这一点：

select c.subscriberid, 
       d.day::date as date_of_activity, 
       count(c.date_of_activity) as clicks 
from generate_series(date '2018-01-01', date '2018-12-31', interval '1' day) as d(day)
  left join clicks c on c.date_of_activity::date = d.day::date 
group by 1,2
order by 1,2;

count()忽略null的值，如果没有匹配项，则左联接将在null的列中返回clicks。因此count(c.Date_Of_Activity)在那几天将返回零。

这也将显示subscriberid的空值。如果要为每个订户id / date_of_activity组合创建假行，则需要交叉连接到所有订户的列表。请注意，这将为您的结果提供(number of subscribers) * 365行！如果您有数百万的订户，那么可能就不是您想要的：

select s.subscriberid, 
       d.day::date as date_of_activity, 
       count(c.date_of_activity) as clicks 
from generate_series(date '2018-01-01', date '2018-12-31', interval '1' day) as d(day)
  cross join subscribers s
  left join clicks c on c.date_of_activity::date = d.day::date 
group by 1,2
order by 1,2;

在线示例：https://rextester.com/QIGI84548

如果零日不产生任何行/数据，如何获得每人每天的平均活动量？

1 个答案: